Carga de datos

library(wooldridge)
data("hprice1")
head(force(hprice1),n=6)
##     price assess bdrms lotsize sqrft colonial   lprice  lassess llotsize
## 1 300.000  349.1     4    6126  2438        1 5.703783 5.855359 8.720297
## 2 370.000  351.5     3    9903  2076        1 5.913503 5.862210 9.200593
## 3 191.000  217.7     3    5200  1374        0 5.252274 5.383118 8.556414
## 4 195.000  231.8     3    4600  1448        1 5.273000 5.445875 8.433811
## 5 373.000  319.1     4    6095  2514        1 5.921578 5.765504 8.715224
## 6 466.275  414.5     5    8566  2754        1 6.144775 6.027073 9.055556
##     lsqrft
## 1 7.798934
## 2 7.638198
## 3 7.225482
## 4 7.277938
## 5 7.829630
## 6 7.920810

Modelo Estimado

library(stargazer)
modelo_estimado<-lm(formula = price~lotsize+bdrms+sqrft,data = hprice1)
stargazer(modelo_estimado,type = "text",title = "Modelo Estimado")
## 
## Modelo Estimado
## ===============================================
##                         Dependent variable:    
##                     ---------------------------
##                                price           
## -----------------------------------------------
## lotsize                      0.002***          
##                               (0.001)          
##                                                
## bdrms                         13.853           
##                               (9.010)          
##                                                
## sqrft                        0.123***          
##                               (0.013)          
##                                                
## Constant                      -21.770          
##                              (29.475)          
##                                                
## -----------------------------------------------
## Observations                    88             
## R2                             0.672           
## Adjusted R2                    0.661           
## Residual Std. Error      59.833 (df = 84)      
## F Statistic           57.460*** (df = 3; 84)   
## ===============================================
## Note:               *p<0.1; **p<0.05; ***p<0.01
library(lmtest)
prueba_White<-bptest(modelo_estimado,~I(lotsize^2)+I(bdrms^2)+I(sqrft^2)+lotsize*bdrms*sqrft, data = hprice1)
print(prueba_White)
studentized Breusch-Pagan test

data: modelo_estimado BP = 33.803, df = 10, p-value = 0.0001995 Interpretación Como el Pvalue es < el nivel de significancia (0.0001995<0.05), se rechaza la Ho, entonces se observa que hay evidencia de que la varianza de los residuos es Heterocedastica.

library(fastGraph)
alpha_sig<-0.05
gl<-3+3+3
residuos<-modelo_estimado$residuals
data_pWhite<-as.data.frame(cbind(residuos,hprice1))
modelo_EST<-lm(formula = I(residuos^2)~lotsize+sqrft+bdrms+I(lotsize^2)+I(sqrft^2)+I(bdrms^2)+I(lotsize*bdrms)+I(lotsize*sqrft)+I(sqrft*bdrms),data = data_pWhite)
VC<-qchisq(p=0.95,df=gl)
sum<-summary(modelo_EST)
R2<-sum$r.squared
n<-nrow(data_pWhite)
LMW<-n*R2
shadeDist(LMW,ddist = "dchisq",
          parm1=gl,
          lower.tail = FALSE, xmin=0,
          sub=paste("VC:",round(VC,2),"","LMW",round(LMW,2)))